Xinzhe Li
RMIT University 博士后研究员
我目前是 RMIT University 的博士后研究员，并于 Deakin University 获得 信息技术博士学位。我的研究聚焦于大语言模型（LLM）的多轨迹推理： 模型如何在测试时探索并聚合多条推理路径（包括树搜索），以及如何将 这些推理轨迹反馈到训练过程，形成推理与学习之间的闭环。我的第一作者 论文发表于 ACL、TMLR、COLING 和 IJCAI。
研究方向
- 测试时多轨迹推理。 研究 LLM 如何在测试阶段探索并
聚合多条推理路径，包括树搜索方法，同时兼顾效果与效率。
- 自适应分支。 判断搜索过程中应在何时 分支，而不是在每一步都扩展，从而显著降低计算开销，并尽量保持 准确率。
- 跨轨迹智能体记忆。 面向工具使用型智能体，在 多次推理尝试之间迁移有用知识，并从迁移范围与内容抽象层级两个 维度组织这些记忆。
- 训练时：连接推理与学习。 将搜索和记忆生成的轨迹 反馈到训练中。（新兴研究方向）
动态
- 2026 年 5 月 两篇论文被 ACL 2026 接收：LiTS（Demo）和 Chain-in-Tree（Findings）。
- 2025 年 10 月 入职 RMIT University，担任博士后研究员。
- 2025 年 4 月 关于 LLM 测试时搜索计算的综述论文被 TMLR 接收。
- 2025 年 3 月 于 Deakin University 完成信息技术博士学位。
- 2025 年 1 月 关于 LLM 智能体主要范式的综述论文发表于 COLING 2025。
论文
以下均为第一作者论文。
- When Does Memory Help Multi-Trajectory Inference for Tool-Use LLM Agents? 审稿中 arXiv · code
- LiTS: A Modular Framework for LLM Tree Search ACL Demo 2026 arXiv · code
- Chain-in-Tree: Back to Sequential Reasoning in LLM Tree Search ACL 2026 Findings arXiv · code
- A Survey on LLM Test-Time Compute via Search: Tasks, LLM Profiling, Search Algorithms, and Relevant Frameworks TMLR 2025 arXiv · code
- A Review of Prominent Paradigms for LLM-Based Agents: Tool Use (Including RAG), Planning, and Feedback Learning COLING 2025 paper · arXiv · code
- A Survey on Out-Of-Distribution Evaluation of Neural NLP Models IJCAI 2023 paper · arXiv
- Can Pretrained Language Models Derive Correct Semantics from Corrupt Subwords under Noise? ACL-SEM 2023 arXiv · code
- Make Text Unlearnable: Exploiting Effective Patterns to Protect Personal Data ACL-TrustNLP 2023 arXiv · code
- Exploring the Vulnerability of Natural Language Processing Models via Universal Adversarial Texts ALTA 2021 paper · code
- GRAMMAR: Grounded and Modular Methodology for Assessment of Closed-Domain Retrieval-Augmented Language Model 预印本 arXiv · code
教学
- 2023–2025 SIT720 Machine Learning, Deakin University
- 2024 SIT744 Deep Learning, Deakin University
学术服务
Program Committee Member / Reviewer: NeurIPS (2026), IJCAI (2024, 2025), COLING (2025).